論文の概要: Is it Cake or is it AI? A Systematic Review of Human Uncertainty in Distinguishing Generative Artificial Intelligence Content
- arxiv url: http://arxiv.org/abs/2604.03437v1
- Date: Fri, 03 Apr 2026 20:21:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:18.578309
- Title: Is it Cake or is it AI? A Systematic Review of Human Uncertainty in Distinguishing Generative Artificial Intelligence Content
- Title（参考訳）: ケーキかAIか? : 生成的人工知能コンテンツを識別する人間の不確かさの体系的レビュー
- Abstract要約: この体系的なレビューは、生成する人工知能コンテンツと、テキスト、画像、音声モダリティをまたいだ人間の生成したコンテンツとを区別する人間の能力に関する実証的な証拠を合成した。
全体としては、人間は一般的に、ジェネリックAIコンテンツに対する信頼できない検出者であり、コンテンツを評価する能力が、どのように評価するか、信頼するかについて、より広範な疑問を提起している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This systematic review synthesized empirical evidence on human ability to distinguish generative artificial intelligence content from human produced content across text, image, and voice modalities. A structured search of Scopus identified 22,541 records from 2025 to 2026, of which 1200 were screened and 30 studies were included. Across these studies, human detection accuracy varied widely but generally clustered around chance performance. Overall, the literature shows that humans are generally unreliable detectors of gen AI content, raising broader questions about whether the ability to tell should matter for how we evaluate or trust content.
- Abstract（参考訳）: この体系的なレビューは、生成する人工知能コンテンツと、テキスト、画像、音声モダリティをまたいだ人間の生成したコンテンツとを区別する人間の能力に関する実証的な証拠を合成した。
2025年から2026年にかけてのスコパスの調査では22,541件の記録が発見され、そのうち1200件が検査され、30件が調査された。
これらの研究全体を通して、人間の検出精度は幅広いが、一般的には確率性能を中心にクラスター化されている。
全体としては、人間は一般的に、ジェネリックAIコンテンツに対する信頼できない検出者であり、コンテンツを評価する能力が、どのように評価するか、信頼するかについて、より広範な疑問を提起している。
関連論文リスト
- SlopShape: Identifying AI-Generated Commercial Web Content [0.0]
我々は、構造的シグネチャから、AI生成したテキストを1段階深く特定できるかどうかを問う。
214機能機器は、ホールドアウト企業の98.0マクロF1で187の構造的特徴からAIポストを検出する。
すべてのエフェクトはStoryScopeを再現する。
論文 参考訳（メタデータ） (2026-09-14T10:55:30Z) - On the limits and opportunities of AI reviewers: Reviewing the reviews of Nature-family papers with 45 expert scientists [113.03797263688519]
多くの科学者は、AIレビュアーを研究を評価する専門知識のない確率的システムと見なしている。
既存のAIレビュアーの評価では、評決が人間の評決に合致するかどうかに焦点が当てられている。
論文 参考訳（メタデータ） (2026-05-20T03:33:55Z) - Hallucination vs interpretation: rethinking accuracy and precision in AI-assisted data extraction for knowledge synthesis [0.9898534984111934]
我々は,大規模言語モデル(LLM)を用いてデータ抽出を自動化する抽出プラットフォームを開発した。
我々は、AIを187の出版物で人間の反応と比較し、スコーピングレビューから17の質問を抽出した。
AIの多様性は幻覚よりも解釈可能性に依存している。
論文 参考訳（メタデータ） (2025-08-13T03:33:30Z) - Fewer Than 1% of Explainable AI Papers Validate Explainability with Humans [0.8699677835130409]
本研究では、人間の説明可能性の主張を評価するために、説明可能なAI(XAI)文献を大規模に分析する。
また,XAI手法の評価にヒトの関与を示唆する用語を含む論文は253件のみで,その内128件が何らかの形で人間の研究を行った。
人間の説明可能性の主張と証拠に基づく検証の間には重大なギャップがあり,XAI研究の厳格性に対する懸念が高まっている。
論文 参考訳（メタデータ） (2025-03-13T18:39:50Z) - Almost AI, Almost Human: The Challenge of Detecting AI-Polished Writing [55.2480439325792]
本研究では、AI-Polished-Text Evaluationデータセットを用いて、12の最先端AIテキスト検出器を体系的に評価する。
我々の発見によると、検出器は、最小限に洗練されたテキストをAI生成としてフラグ付けし、AIの関与度を区別し、古いモデルや小さなモデルに対するバイアスを示す。
論文 参考訳（メタデータ） (2025-02-21T18:45:37Z) - Is Human-Like Text Liked by Humans? Multilingual Human Detection and Preference Against AI [95.81924314159943]
人文と機械文の大きなギャップは、具体性、文化的ニュアンス、多様性にある。
また,人間は必ずしも人書きのテキストを好んではいないこと,特にその情報源を明確に特定できない場合などを見いだす。
論文 参考訳（メタデータ） (2025-02-17T09:56:46Z) - Human Bias in the Face of AI: Examining Human Judgment Against Text Labeled as AI Generated [48.70176791365903]
本研究では、偏見がAIと人為的コンテンツの知覚をどう形成するかを考察する。
ラベル付きおよびラベルなしコンテンツに対するヒトのラッカーの反応について検討した。
論文 参考訳（メタデータ） (2024-09-29T04:31:45Z) - Seeing is not always believing: Benchmarking Human and Model Perception
of AI-Generated Images [66.20578637253831]
人工知能(AI)技術の進歩が偽写真を生み出すのではないかという懸念が高まっている。
本研究の目的は、最先端のAI生成視覚コンテンツを識別するためのエージェントを包括的に評価することである。
論文 参考訳（メタデータ） (2023-04-25T17:51:59Z) - Is This Abstract Generated by AI? A Research for the Gap between
AI-generated Scientific Text and Human-written Scientific Text [13.438933219811188]
本稿では,AIが生み出す科学内容と人間による文章とのギャップについて検討する。
我々は、AI生成科学テキストと人文科学テキストの間に、文章スタイルのギャップがあることを発見した。
論文 参考訳（メタデータ） (2023-01-24T04:23:20Z) - Can Machines Imitate Humans? Integrative Turing-like tests for Language and Vision Demonstrate a Narrowing Gap [56.611702960809644]
3つの言語タスクと3つの視覚タスクで人間を模倣するAIの能力をベンチマークする。
次に,人間1,916名,AI10名を対象に,72,191名のチューリング様試験を行った。
模倣能力は従来のAIパフォーマンス指標と最小限の相関を示した。
論文 参考訳（メタデータ） (2022-11-23T16:16:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。